Стажёр-разработчик, который работает с Python, классическими ML-пайплайнами и компьютерным зрением.
Сильная сторона — аккуратная инженерная работа: сбор данных, чистые пайплайны, воспроизводимость экспериментов.

Ищу возможность применить навыки в реальных Python/ML проектах и развиваться в инженерной роли.

• PyTorch: базовые обучающие циклы, работа с моделями
• Scikit-learn: PCA / KernelPCA, SVM, Logistic Regression
• OpenCV: детекция лиц, обработка изображений
• Albumentations: создание кастомных аугментаций

• NumPy, pandas
• Matplotlib, экспериментальные графики
• Jupyter Notebook, Google Colab
• Git, GitHub
• SQL (basic)
• C++ (basic knowledge)

• Линейная алгебра
• Математический анализ
• Теория вероятностей
• Математическая статистика

Классический ML-подход к распознаванию лиц:

Главные особенности:

• предобработка изображений: crop → grayscale → нормализация
• аугментации: ShiftScaleRotate, HorizontalFlip
• ML-модель: KernelPCA (200 компонент) + Logistic Regression
• проведены эксперименты с количеством аугментаций
• финальная точность: до 82%

🔗 Репозиторий: https://github.com/EduardEreshko/face-recognition

СПб Политехнический университет Петра Великого
Институт среднего профессионального образования
Направление: Информационные системы и программирование
📅 Выпуск: 2027

• Machine Learning — ОмГТУ (завершено)
• Deep Learning — DLS & МФТИ (в процессе)
• Python / ML — ВШЭ (в процессе)
• Python — МШП (завершено)

• Инженерный подход к задачам: аккуратность, воспроизводимость
• Чистый код и разборчивость в структурах данных
• Готовность быстро встраиваться в рабочие процессы
• Спокойное отношение к сложным задачам — разбираю по шагам

• 🇷🇺 Russian — native
• 🇺🇸 English — technical (reading documentation)